o voto econômico no brasil - sdpscp.fflch.usp.br

1

O voto econômico no Brasil:

evidências com dados em painel e em multinível

Ivan Filipe de Almeida Lopes Fernandes

Bacharel em Relações Internacionais pelo Instituto de Relações Internacionais da

Universidade de São Paulo

Mestre e doutorando em Ciência Política pelo Departamento de Ciência Política da

Faculdade de Letras e Ciências Humanas da Universidade de São Paulo.

[email protected]

Gustavo Andrey de Almeida Lopes Fernandes Professor do Departamento de Gestão Pública da FGV- EAESP

Assessor Especial do Tribunal de Contas do Estado de São Paulo

Doutor em Teoria Econômica Economia pela Universidade de São Paulo.

[email protected]

Resumo:

Esse artigo apresenta evidências de que o crescimento econômico no último ano de

governo possui impacto positivo na porcentagem de votos obtidos pelo incumbente em

uma amostra da população dos municípios brasileiros em dados em painel das eleições

presidenciais e municipais de 2000, 2002, 2004, 2006 e 2008. Usamos dados de

crescimento real do PIB municipal como medida do crescimento econômico para testar

a hipótese de que os eleitores em um município tendem a premiar os incumbentes, e

seus candidatos, que tiveram bom desempenho econômico no último ano de mandato. A

hipótese se baseia na teoria econômica do voto que sugere que os incumbentes têm mais

chances de vencerem uma re-eleição, ou elegerem o seu sucessor, quando a economia

está em um bom momento. Na análise utilizamos as abordagens de Painel e de

Multinível, de modo a pormenorizar os efeitos e o impacto do crescimento econômico

na proporção de votos obtidos pelo incumbente.

Trabalho preparado para apresentação no III

Seminário Discente da Pós-Graduação em Ciência

Política da Universidade de São Paulo

22 a 26 de abril de 2013

mailto:[email protected]

mailto:[email protected]

2

1. Introdução

Esse artigo apresenta evidências de que o crescimento econômico no último ano de

governo impacta positivamente a porcentagem de votos obtidos pelo incumbente em

uma amostra da população dos municípios brasileiros em dados em painel das eleições

presidenciais e municipais de 2000, 2002, 2004, 2006 e 2008. Usamos dados de

crescimento do PIB municipal real para testar a hipótese de que os eleitores em um

município premiam os incumbentes que tiveram bom desempenho econômico no último

ano de mandato.

A análise das eleições presidenciais é de interesse especial, ainda que estejamos

analisando apenas as eleições presidenciais e municipais entre 2000 e 2008, pois a partir

da eleição do Presidente Luiz Inácio Lula da Silva, a literatura especializada na análise

de eleições brasileiras passou a discutir exaustivamente os determinantes dos votos nos

incumbentes no Brasil (Hunter e Power, 2007; Singer, 2009 e Zucco, 2008). Desta

forma, pretendemos contribuir com essa literatura introduzindo um novo banco de

dados para responder a questão se o crescimento econômico local no último ano de

governo é um dos determinantes da força do candidato incumbente. Ademais nesse

trabalho ajudamos a cobrir a lacuna de estudos que conectem variáveis locais com

eleições nacionais.

A hipótese se baseia na teoria econômica do voto que sugere que os incumbentes têm

mais chances de vencerem uma re-eleição, ou emplacarem o seu sucessor, quando a

economia está em um bom momento (Anderson & Morgan, 2011; Duch e Stevenson;

2008). Atentamos para o fato que, em nossa análise, levaremos em conta os efeitos

econômicos mais próximos do eleitor nas eleições mais próximas e mais distantes da

realidade local. Com isso, verificaremos se os efeitos econômicos que estão mais

próximos do cotidiano do eleitor são importantes na definição de sua preferência

eleitoral mais abrangente.

Este texto está dividido em seis seções, incluindo esta. Na próxima expomos de

maneira sucinta a teoria econômica do voto. A terceira seção descreve a metodologia

utilizada, que faz uso de dados em painel e da análise multinível. Na quarta, os dados

são apresentados. As evidências encontradas são objetos de análise na quinta seção. E,

por fim, na sexta e última concluímos o artigo.

3

2. Os determinantes do voto

As tentativas de explicar como e porque os indivíduos votam estimularam a

formação de um robusto campo que busca compreender as motivações e as raízes do

voto em todo o mundo democratizado. Existem três escolas sobre o comportamento

eleitoral: as escolas sociológica, psicossociológica e econômica. A escola sociológica

foi inaugurada pelos estudos clássicos de Lazarsfeld et al (1944) e Berelson et al (1954)

que encontraram evidências que poucos eleitores mudam de preferências durante as

campanhas eleitorais. A ausência relativa de mudança no voto se devia a características

estruturais dos eleitores: posição socioeconômica, religião e dicotomia urbana-rural.

Esta escola foi criticada por Campbell et al (1960) por não capturarem a variação no

tempo nas preferências eleitorais. Por sua vez, propuseram uma análise sócio-

psicológica, que, sem negar a importância de fatores macrossociais, demonstram a

existência de fatores intervenientes, que explicam melhor a decisão do voto, devotando,

assim, atenção às atitudes dos eleitores em relação ao universo político.

A principal constatação empírica é sobre a estabilidade das preferências partidárias

de uma eleição para outra e que as mudanças em candidatos ou plataformas políticas

tem pouco impacto sobre a escolha voto. Para eles, a identificação partidária foi o

principal fator de longo prazo na decisão de voto e não as condições sociais

permanentes. Seus resultados foram questionados por Nie et al (1976) que

argumentaram que as mudanças na estrutura social tinha reduzido a centralidade da

festa e aumentado a sofisticação dos eleitores estadunidenses. Este fato foi visto em

outras democracias, o que levou Dalton et al (1984) a resumir este fato na tese sobre

desalinhamento partidário.

A teoria econômica do voto

A escola econômica analisa o comportamento dos eleitores, do ponto de vista da

teoria da escolha racional. Downs (1957) introduziu a noção de que os indivíduos fazem

escolhas com base em comparações da utilidade esperada para cada um dos partidos

concorrentes; os cidadãos se comportariam como consumidores em um mercado

político. Eleitores maximizar sua satisfação tendo em mente a ação do governo e os

partidos buscam obter sucesso eleitoral. O cálculo do voto é feito em conformidade com

o diferencial de utilidade esperada entre os partidos comparando o que o governo no

poder oferece com o que seria obtido se a oposição vencesse a competição. Os esforços

de Kramer (1971), Goodhart e Bhansali (1970) e Mueller (1970) para testar a hipótese

4

downsiana nos EUA e Reino Unido inspirou um vasto programa de pesquisas.

Fair (1978) avançou o argumento ao formalizar como o desempenho econômico

entra na utilidade do eleitor. Este foi um avanço teórico importante porque estabeleceu

uma base para modelar a escolha do voto em uma perspectiva de maximização racional.

Fiorina (1981) atualizou o argumento analisando como os eleitores agem racionalmente

quando enfrentam escassez de informações. O principal argumento é que os eleitores,

independentemente do seu grau de informação, são sensíveis ao impacto das atividades

do governo para melhorias de seu bem-estar e as usam como um guia para o seu voto.

Assim, as expectativas futuras são em maior parte extrapolações de tendências atuais.

Um pressuposto chave está na compreensão de que o governo tem influência direta

no desempenho econômico do país, deixando de lado outros fatores que podem ter

impacto sobre ela, e que os fatores econômicos desempenham um papel importante no

comportamento eleitoral. Portanto, uma melhoria das condições econômicas aumenta a

probabilidade de voto no partido que é visto como responsável pela mudança. Além

disso, um melhor desempenho econômico tende a indicar uma capacidade

administrativa, além de afetar positivamente os votos daqueles que não se identificam

com nenhum partido (Virmani, 2004 e Anderson & Morgan, 2011).

A teoria econômica de votação também sugere que o voto retrospectivo, com base

em resultados econômicos, permite aos eleitores exigirem um grau de responsividade

dos políticos eleitos na gestão da economia. Na verdade, os mecanismos que ligam o

desempenho econômico com o comportamento de voto pode ser um processo de sanção

para o desempenho ruim da economia (Kramer, 1971 e Fair, 1978) ou o uso dos últimos

resultados econômicos para avaliar como concorrentes partidários potenciais podem

desempenhar no futuro (Downs, 1957; Stigler, 1973).

Fair (1978) desenvolveu um modelo para prever o resultado das eleições

presidenciais de os Estados Unidos. De acordo com este modelo, o comportamento

eleitoral depende principalmente dos acontecimentos econômicos do ano anterior à

eleição. As principais conclusões são que os presidentes estadunidenses tendem a ser

reeleito quando há crescimento econômico, o gasto federal está sob controle e uma

grande guerra foi evitada. Com o mesmo modelo, Fair (1996a e 1996b) mostrou que os

eleitores reagem positivamente ao crescimento real do PIB per capita no ano da eleição.

Duch e Stevenson (2008) realizaram um vasto estudo em 18 democracias e

5

mostraram que existe uma relação significativa entre a percepção econômica e a escolha

de voto, sobretudo em sistemas que concentram poder de decisão política. Finalmente,

Powell e Whitten (1993) demonstraram que os modelos convencionais de sanção por

meio do voto econômico econômica muitas vezes explicam as variações no

comportamento de punição eleitoral em termos de variações dos níveis de informação

devido ao fato de que existem fatores que comprometem a clareza na atribuição de

responsabilidades aos incumbentes políticos, o que pode remover o efeito de variáveis

econômicas sobre os resultados das eleições.

Voto Econômico Local

Uma das principais contribuições de nossa pesquisa é que a maioria dos estudos que

focam os efeitos do voto econômico observam dados regional ou nacional e não locais.

A maior parte desses estudos que procuram por variáveis locais estão preocupados com

os efeitos da manipulação fiscal ou de desempenho, e não sobre o desempenho

econômico. Sakurai e Menezes (2008) utilizaram dados do painel de mais de 2.000

municípios brasileiros maiores de 13 anos e mostrou a influência positiva dos gastos

públicos sobre a probabilidade de reeleição prefeitos. Veiga e Veiga show (2007) que o

aumento das despesas de investimento e mudanças na composição dos gastos

favorecendo itens visíveis estão associados positivamente com percentagens de votos de

prefeitos que buscam a reeleição incumbem, utilizando dados de todos os municípios do

continente português. Brender (2003), por outro lado, encontra evidências de que o

desempenho fiscal dos prefeitos impactar positivamente suas chances de reeleição

apenas em algumas das eleições israelenses locais. Finalmente, Drazen e Eslava (2010)

são o estudo original de manipulação eleitoral das despesas municipais, que incluem o

crescimento do PIB como uma das variáveis controles e descobrir que ele tem um

coeficiente positivo na maioria das regressões utilizando dados de todos os municípios

colombianos, no entanto eles não incluir medidas de desempenho econômico local, em

vez disso, eles só usam nacionais variáveis econômicas.

Em suma, com o melhor de nosso conhecimento, quase não há estudos que testam o

efeito do desempenho da economia municipal nas eleições nacionais. As únicas

exceções são os estudos realizados por Martins e Veiga (2010) e Oliver e Ha (2007). O

primeiro encontrar uma relação positiva entre os efeitos de local e nacional desempenho

econômico sobre o percentual de votos obtidos pelo partido do atual prefeito em

6

Portugal. E o segundo, usando dados de pesquisas de mais de 1.400 eleitores em 30

diferentes comunidades suburbanas dos Estados Unidos concluiu que melhores

condições econômicas locais ou melhor desempenho do governo local é positivamente

relacionado com o apoio ao incumbente.

3. Metodologia

Dada a natureza do objeto de pesquisa, estudamos o desempenho eleitoral do

incumbente em dois passos. No primeiro, analisamos o voto econômico por meio de

dados em painel. Segundo Hsio (1986), os paineis oferecem uma série de vantagens em

relação aos modelos de corte transversal no que se refere na possibilidade de controle da

heterogeneidade presente nos indivíduos, além de aumentar a precisão das estimações.

Serão feitas três estimações para verificar o efeito das variáveis de interesse. Em

primeiro lugar, estimamos por pooled regression model (POLS), depois pelo modelo de

efeitos aleatórios (EA) e por fim, pelo de efeitos fixos (EF), que estima coeficientes

consistentes na presença de heterogeneidade não observada correlacionada com os re-

gressores. Em seqüência, serão feitos testes para verificar qual modelo melhor se adéqua

aos dados, visando maximizar a eficiência do modelo, dado coeficientes consistentes.

No segundo passo, analisaremos as nossas variáveis de interesse por meio da

abordagem de níveis múltiplos, incluindo efeitos aleatórios sobre o intercepto e sobre os

coeficientes de interesse. Incluiremos os seguintes seis níveis na análise: faixas de

crescimento econômico e do PIB municipal real, unidade da federação, partido político

do candidato, ano da eleição e por fim tipo de eleição em questão. O objetivo desta

análise é, principalmente, observar como se comporta o coeficiente de interesse dentro

dos diversos grupos aqui analisados.

3. 1. Primeiro Passo: Análise em Painel

No modelo básico do POLS, o estimador considera todas as informações como

unidades transversais, ignorando o aspecto temporal. Uma problemática imanente na

sua utilização está relacionado com a validade da hipótese de que não há informação do

erro idiossincrático que esteja correlacionado com as variáveis explicativas. Isto posto,

ao desconsiderar a temporalidade do banco de dados, ele não permite o controle para

heterogeneidade específica (ci), o que causa inconsistência e viés nos estimadores caso

esta esteja correlacionada com algum dos regressores. Por fim, o POLS requer a

hipótese branda de exogeneidade fraca.

7

Modelo POLS

Yit ~ α + Xit β + εit (1)

E(εit / x) = 0; εit ~ IID (0, σ2)

Já o modelo de efeitos aleatórios (EA) trata da heterogeneidade específica não

observada (ci) como uma variável aleatória que é distribuída independentemente dos

regressores com variância homocedástica. O heterogeneidade torna-se parte do erro e,

portanto, não pode ser correlacionado com nenhum regressor em todos os períodos,

caso contrário todos os estimadores serão inconsistentes ao violar uma das hipóteses

Gauss-Markov da estimação por OLS. Por esta hipótese da exogeneidade estrita, o erro

εit não deve ser correlacionado com os regressores nem com o efeito específico em

qualquer período de tempo. Estima-se o EA pela feasible generalized least squares

(FGLS), uma vez que a matriz de variância-covariância é desconhecida.

Modelo Efeitos Aleatórios:

Yit ~ α + Xit β + vit = α + Xit β + (ci + εit) ; onde vit é o erro composto dado por ci + εit (2)

E(vit / Xis) = 0; para i s ; vit ~ IID (0, σ2)

Por sua vez, a análise de efeitos fixos (EF) examina diferentes interceptos para a

unidade de análise, assumindo que as inclinações e a variância são constantes. O efeito

específico ci não é tratado como aleatório, mas como um parâmetro a ser estimado.

Assim, ao contrário do EA, o modelo EF permite que o efeito específico ci seja

correlacionado com os regressores Xit. Esta estimação requer exogeneidade estrita, ou

seja, que todos os regressores não sejam correlacionados com o erro εi em todos os

períodos. Para fazer a estimação por EF é necessário recorrer a uma das técnicas de

transformação para eliminar a heterogeneidade. Aqui, utilizamos a within

transformation, uma vez que esta é a mais eficiente quando T > 2 (Wooldridge, 2002)

Modelo de Efeitos Fixos:

Yit ~ α + ci + Xit β + εit (3)

Transformação para eliminar o ci: Yit - Ym = (Xit - Xm) β + (εit – εm)

E(εit / Xis, ci) = 0; para i s; εit ~ IID (0, σ2)

Após realizarmos todas estas estimações, faremos os testes estatísticos para verificar

8

quais estimadores são consistentes e, dentre estes, quais são eficientes. Conforme

exposto, caso exista heterogeneidade não observada não correlacionada com algum

regressor, os estimadores de efeitos fixos e aleatórios são consistentes, sendo o último

mais eficiente. Caso a heterogeneidade seja correlacionada com algum regressor, o

primeiro é o único consistente. Desta forma, no final da análise realizaremos testes de

Breusch-Pagan para verificar a presença de heterogeneidade específica e de Hausman

(1979) para verificar a correlação entre esta e os regressores.

3. 2. Segundo Passo: Análise Multinível

Nos modelos multiníveis analisados, utilizaremos do estimador LMER no Pacote

Estatístico R para verificar como se comportam os coeficientes de interesse nos

diferentes níveis selecionados. Criaremos seis modelos separados no qual incluímos em

cada um dos níveis citados na introdução desta seção. Após termos feito isso,

observaremos quais são os modelos que apresentam os resultados mais interessantes e

tentaremos complementá-los em modelos multiníveis não aninhados. Sublinhamos que

os modelos multiníveis utilizados aqui possuem intercepto e inclinação aleatórios.

Modelo de Multinível com um nível:

Yi ~ αj[i] + β j[i] xi + Zi λ+ εi (4)

α j ~ N(γ α , σ²α) (5)

E(εi / X, Z) = 0; εit ~ IID (0, σ2)

Modelo de Multinível com estruturas aninhadas:

Yi ~ α jq[i] + β jq[i] x + Zi λ + εi (6)

E(εit / X, Z) = 0; εit ~ IID (0, σ2)

Nos modelos cima, a variável x é a nossa variável de interesse, enquanto o vetor Zi é

composto pelas variáveis de controle. Devido a isso, os coeficientes estimados de Zi não

serão modelados como aleatórios. Além do coeficiente aleatório βj, também

permitiremos a variação aleatória nos interceptos αj (Gelman e Hill, 2007).

3.3. Modelo do voto econômico no Brasil

9

A amostra analisada neste artigo cobre 5517 municípios brasileiros entre as

eleições de 2000 e 2008. Conforme veremos abaixo, o banco de dados inclui cinco tipos

de variáveis: políticas, econômicas, fiscais, demográficas e geográficas, sendo que as

três últimas são usadas como controle nas estimações. A equação básica a ser estimada

por meio dos painéis pode ser sucintamente sumarizada assim:

fracaovotos it = α + ci + β1 cresc it + β3 variáveis de controle it + λ1 dummies it + εit ; (7)

onde i se refere ao município, t ao ano e α, ci e εit são, respectivamente, a constante, o

efeito fixo municipal e o erro idiossincrático; cres é a variável independente de interesse

e fracaovotos a variável dependente.

A variável fracaovotos indica qual é a porcentagem de votos válidos (excluídos

votos brancos e nulos) que o candidato incumbente obteve. O regressor cresc é a taxa de

crescimento do PIB real municipal, que, dado nosso arcabouço teórico-metodológico, é

utilizada aqui como forma de mensuração do crescimento econômico no ano das

eleições presidenciais e municipais.

Já nos modelos multiníveis, a equação básica estimada é um pouco distinta,

embora apresente a mesma estrutura, pois algumas dummies entram como grupos (os

níveis) e a técnica estatística utilizada, estimador LMER no Pacote Estatístico R, não

permite a inclusão da estrutura de painel da forma em que é realizada no primeiro passo

desta pesquisa. Nos modelos multiníveis, a estrutura em painel é modelada como um

nível que interagem com o intercepto e com os coeficientes de interesse. Dado isso, a

equação básica estimada é:

fracaovotos i = αi[j] + β1(j) cresci[j] + β2 variáveis de controlei + λ1 dummiesi + εit ; (8);

onde i se refere ao município, αi[j] e β1[j] são, respectivamente, o intercepto e o

coeficiente de interesse aleatório, sendo [j] o subscrito indicativo do grupo e, por fim, εit

é o erro idiossincrático;

10

4. Dados

Foram coletados dados das variáveis políticas a partir da base de informações

eleitorais do Superior Tribunal Eleitoral. Obtivemos informações para os 5566

municípios brasileiros cujos dados eleitorais estão disponibilizados. O período eleitoral

abrange as eleições municipais de 2000, 04 e 08 e as eleições presidenciais de 02 e 06.

Para os anos de 2002 e 06, pudemos definir claramente quem eram os candidatos

incumbentes em todos os municípios. Em 02 foi o candidato do PSDB José Serra e em

06 o então presidente e candidato pelo PT Luiz Inácio da Silva. Já para as eleições

municipais a definição dos candidatos incumbentes é mais difícil. Utilizamos duas

regras para isso: o candidato possui o mesmo nome que o prefeito ou é do mesmo

partido que o prefeito. Quando encontramos dois candidatos na mesma cidade no

mesmo ano que se adéquam às duas condições, optamos pela primeira.

O número de municípios com candidatos incumbentes na amostra por ano foi o

seguinte: o ano de 2000 apresentou 4423 municípios com candidatos incumbentes; o

ano de 2002 apresentou 5563; o ano de 2004 apresentou 3776; o ano de 2006

apresentou 5565; e, por fim, o ano de 2008 apresentou 4123. Desta forma, a amostra

analisada foi composta por mais de 5000 municípios brasileiros em cinco períodos

eleitorais subseqüentes, constituindo assim um painel desbalanceado.

As variáveis econômicas e demográficas foram obtidas junto ao Instituto Brasileiro

de Geografia e Estatística (IBGE). Entre elas incluímos o regressor de interesse, cresc

(taxa e crescimento real do PIB municipal), o logaritmo da população do município e o

PIB municipal real. Outros regressores foram obtidos junto ao Tesouro Nacional,

sobretudo as variáveis que mensuram as despesas municipais com investimentos,

pessoal, correntes e o orçamento municipal, além de gastos em educação & cultura;

habitação & urbanismo; saúde & saneamento e assistência social & previdência. Por

fim, no DATASUS obtivemos dados sobre o percentual do orçamento municipal

aplicado em saúde em todos os municípios brasileiros.

11

Tabela 1. Descrição das Variáveis

fracaovotos proporção de votos válidos obtidos pelo incumbente (0-100)

cres taxa de crescimento do PIB real

lpibreal log do PIB rea lmunicipal

pbp dummy relativa ao prefeito ser membro da coligação eleitoral do presidente

(1-membro; 0-não membro)

aplems percentual do orçamento aplicado em saúde (%)

lpop log da população do município

ldesporc log da despesa orçamentária municipal no ano eleitoral (R$)

linvest log da despesa municipal em investimento no ano eleitoral (R$)

ldespcor log da despesa municipal corrente no ano eleitoral (R$)

laseps log da despesa municipal em assistência e previdência no ano eleitoral (R$)

leec log da despesa municipal em educação e cultura no ano eleitoral (R$)

lheu log da despesa municipal em habitação e urbanismo no ano eleitoral (R$)

lses log da despesa municipal em saúde e saneamento no ano eleitoral (R$)

municipal dummy relativa ao tipo de eleição(1-municipal; 0-presidencial)

- dummies de unidades da federação

- dummies do partido político do candidato

a2000-a2008 dummies de ano

deciscresc decis de crescimento econômico real dos municípios

decispib decís de log do PIB real municipal

Além dessas informações fiscais-demográfico-econômicas, também controlamos a

análise levando em conta o potencial papel desempenhado pela relação prefeito-

presidente na eleição. Para isso construímos uma variável dummy que indica se o

prefeito possuía conexões políticas com o presidente. Para isso verificamos se o prefeito

pertencia a algum partido da coligação do presidente, incluindo o próprio partido do

presidenciável1. Obtivemos os dados sobre a afiliação partidária do prefeito a partir dos

resultados eleitorais das eleições imediatamente anteriores ao pleito presidencial2.

Além disso, também controlamos por eventuais choques macro-econômicos por

meio da criação de dummies de ano e também com dummies indicando as unidades da

federação, os partidos políticos do candidato incumbente, e, por fim, o tipo de eleição

(presidencial ou municipal). Também foram criadas variáveis de grupos que indicam os

níveis que serão utilizados no segundo passo da análise. São seis níveis: partido do

1 As três coligações no governo federal utilizadas são as coligações eleitorais que elegeram o presidente

que estava no poder no ano do pleito: 1998 - PSDB / PFL / PTB / PPB; 2002 - PSDB / PMDB; 2006 - PT,

PRB, PCdoB. 2 Os dados das eleições municipais de 1996, 2000, 2004 e 2008 foram coletados junto ao STE.

12

candidato; unidade da federação; tipo de eleição; decil do PIB municipal real e decil da

taxa de crescimento real do PIB municipal e ano eleitoral. Abaixo segue a descrição das

variáveis (Tabela 1) e suas respectivas estatísticas descritivas (Tabela 2 e 3).

Tabela 2. Estatística Descritiva das Variáveis Contínuas

Variáveis Contínuas Média Mediana Desvio Padrão Mínimo Máximo Observações

fracaovotos 45.43 45.56 18.21 0 100 23450

cres 5.44 6.91 16.09 -78.58 684.4 23441

lpibreal 10.63 10.37 1.42 7.28 19.10 23441

aplems 17.52 17.22 6.49 -73.35 161.38 23132

lpop 9.37 9.26 1.16 1.16 6.69 22643

ldesporc 16.07 15.85 1.08 10.21 23.91 22505

linvest 13.82 13.71 1.28 5.89 21.72 22366

ldespcor 15.91 15.70 1.08 10.11 23.77 22503

laseps 12.96 12.87 1.33 4.68 21.38 22431

leec 14.79 14.60 1.07 4.48 22.08 22570

lheu 13.41 13.36 1.53 4.83 21.63 22125

lses 14.42 14.25 1.19 5.5 21.86 22540

5. Resultados

Esta seção apresenta os principais resultados obtidos com a aplicação dos métodos de

painel e multinível. Como exposto, analisamos o desempenho eleitoral do incumbente

por meio dos métodos em painel POLS, EA e por EF, usando sempre erros padrões

robustos. Os resultados estão apresentados na Tabela 4. Depois, analisamos o modelo

com a introdução das técnicas de multinível para verificar a permanência ou não dos

coeficientes de interesse (o intercepto e a inclinação estimada da variável cres), quando

analisados em seis níveis distintos. Nos primeiros modelos verificamos os efeitos em

um único nível e depois modelos os níveis de uma única vez.

13

Tabela 3. Estatística Descritiva das Variáveis Categóricas

Variáveis Binárias 0 1

pbp 16,951 6,486

municipal 11,128 12,322

a2000 19,027 4,423

a2002 17,887 5,563

a2004 19,674 3,776

a2006 17,885 5,565

a2008 19,327 4,123

Variáveis com mais de uma categoria 1 2 3 4 5 6 7 8 9 10

deciscresc 2,344 2,343 2,349 2,346 2,336 2,337 2,342 2,355 2,348 2,390

Decispib 2,346 2,341 2,343 2,344 2,344 2,340 2,352 2,352 2,336 2,392

Outras Variáveis Categóricas

unidade da federação dummies para cada estado da federação e variável com todos os estados

dummies do partido politico do candidato dummies para cada partido político e variável com todos os partidos

5.1. Resultados da Análise em Painel.

Na tabela 3, além da variável dependente de interesse, incluímos todas as variáveis

contínuas de controle e a variável política que capta a conexão política entre o prefeito e

o presidente (prefeitobase). Depois se verificou entre os modelos de EA e EF qual é o

mais adequado. Para isso realizamos o Teste de Especificação de Hausman (1978), que

compara ambos sob a hipótese nula de que a heterogeneidade não observada é não

correlacionada com os regressores. Nos modelos da Tabela 4 o modelo de efeitos fixos

é preferível3. Além das dummies de ano, nas colunas 4 a 6, incluímos a variável sobre o

tipo de eleição, presidencial ou municipal.

A principal conclusão depreendida é que a relação entre o crescimento econômico e a

votação obtida pelo incumbente no município tem uma relação positiva e significante.

As seis colunas de coeficientes da Tabela 4 indicam que o crescimento no PIB real do

município (cresc) possui uma relação positiva e significante com a porcentagem de

votos obtidos pelo incumbente. O crescimento de 1% do PIB real aumenta entre 0.02 e

0.05 a porcentagem de votos obtida pelo incumbente. Os coeficientes das estimações

por efeitos fixos são menores e com menor significância estatística do que os

coeficientes das estimações por POLS e por efeitos aleatórios, indicando, de maneira

clara, ainda que com efeito pequeno, a presença do voto econômico nas eleições

presidenciais e municipais.

3 χ2 = 1405.05, sendo que a probabilidade > χ2 = 0.0000.

14

Além das evidências a respeito da relação entre crescimento econômico e a votação

obtida pelo incumbente presidencial, a Tabela 4 trouxe também uma série de outros

resultados interessantes. Entre eles, chamamos atenção para o fato de que em todos os

modelos o coeficiente do PIB real em nível foi negativo e significante nos POLS e EA,

sugerindo que quanto maior o potencial econômico dos municípios maior a tendência de

votos contrários ao incumbente. Por outro lado, a dummy relativa ao fato de que o

prefeito é ou não coligado com o presidente apresentou um coeficiente surpreendente. A

relação entre o presidente e a base acaba por punir o candidato incumbente. Não

obstante, ao controlarmos para o efeito do ano eleitoral, o impacto da variável deixar de

ser estatisticamente significantes.

Além disso, a variável que capta os níveis de gastos em saúde demonstra que a maior

parcela do orçamento gasta com saúde possui um efeito positivo sobre o potencial de

votos obtidos pelo incumbente, ainda que toda sua significância estatística tenha sido

perdida no modelo de EF. A variável populacional também indica que quanto maior a

população, menor a porcentagem de votos obtida pelos incumbentes.

Já no tocante às variáveis municipais fiscais especificas, quais sejam, despesa em

educação e cultura, despesa em habitação e urbanismo, em saúde e saneamento, e em

assistência social e previdência, apenas os gastos em educação e cultura foram

positivos, significantes e de grande magnitude em todos os modelos. Os gastos com

habitação e urbanismo foram negativos e significantes no modelo de EF, assim como os

gastos em saúde e saneamento. Os gastos em assistência social e previdência tiveram

efeitos não diferentes de zero em quase todos os modelos. Por fim, as variáveis

municipais fiscais agregadas, quais sejam, as despesas orçamentárias, correntes, com

investimento e com pessoal, tiveram efeitos distintos. As despesas correntes mostraram-

se positivamente relacionadas com os votos obtidos pelo incumbente, enquanto as

despesas com pessoal esta negativamente correlacionada. Já as despesas com

investimento e orçamentárias tiveram efeitos não diferentes de zero.

Os resultados das colunas 04 a 06, por seu turno, controlando para choques externos,

trazem mais evidências em favor da perspectiva do voto econômico, pois nos três

modelos aqui analisados o coeficiente de cresc é positivo e estatisticamente significante,

mesmo após termos incluído inúmeras variáveis de controle que são capazes de captar

boa parte da variação temporal da amostra, a saber, as dummies de ano e de tipo de

eleição.

15

Tabela 4 – Análise em Painel do Voto Econômico nos Municípios brasileiros

fracaovotos OLS EA EF OLS EA EF

cresc 0.0508*** 0.0508*** 0.0238** 0.0235*** 0.0235*** 0.0183*

0.0097 0.0097 0.0089 0.0072 0.0072 0.0077

lpibreal -0.4069*** -0.4069*** -0.0918 -0.2666*** -0.2666*** -0.0731

0.0794 0.0794 0.1616 0.0731 0.0731 0.1444

pbp -2.9042*** -2.9042*** -1.027** 0.1765 0.1765 0.2946

0.275 0.275 0.3484 0.2601 0.2601 0.3184

aplems 0.1755*** 0.1755*** 0.0441 0.0804*** 0.0804*** 0.0795**

0.0305 0.0305 0.0328 0.0200 0.0200 0.0277

lpop -5.4518*** -5.4518*** -16.4215*** 0.4391 0.4391 -4.5315**

0.284 0.284 1.9385 0.2815 0.2815 1.7049

leec 6.3192*** 6.3192*** 6.1456*** 5.6592*** 5.6592*** 0.5862

0.5983 0.5983 0.8827 0.6195 0.6195 0.5732

lheu -0.1168 -0.1168 -0.6958*** 0.2968* 0.2968* -0.4106*

0.133 0.133 0.2155 0.1204 0.1204 0.1930

lses -0.6615 -0.6615 -3.1471*** 1.2244*** 1.2244*** 0.2200

0.364 0.364 0.4768 0.3791 0.3791 0.4142

laseps 0.14 0.14 0.6089* 0.6979*** 0.6979*** 0.1057

0.1681 0.1681 0.2788 0.1615 0.1615 0.2421

ldesporc -7.6183** -7.6183** -6.0704 -4.3812 -4.3812 5.3102

2.9153 2.9153 3.7577 2.5466 2.5466 3.3359

ldespcor 9.3293*** 9.3293*** 18.8312*** -5.8578* -5.8578* -2.0342

2.6748 2.6748 3.5079 2.3370 2.3370 3.2982

linvest 0.6081 0.6081 -0.1811 1.9044*** 1.9044*** 1.7576***

0.3474 0.3474 0.4324 0.3152 0.3152 0.3890

ldespes -3.4201*** -3.4201*** -1.7253* -2.4301*** -2.4301*** 4.8097***

0.6462*** 0.6462 0.8292 0.6122 0.6122 1.3058

municipal 4.4569*** 4.4569*** 13.6569***

0.4378 0.4378 1.4536

a2000 -9.3410*** -9.3410*** 8.6878***

0.5566 0.5566 1.9252

a2002 -22.4361*** -22.4361***

0.3865 0.3865

a2004 -9.3641*** -9.3641*** 1.2727

0.4737 0.4737 1.1058

a2006

15.1346***

0.9595

_cons 31.8141*** 31.8141*** -17.5635 108.9077*** 108.9077*** -83.4068***

2.9767 2.9767 16.9054 3.3550 3.3550 25.2271

Obs1: significância: *< 0,05 / **< 0,01 / *** <0,001

Obs2: Em destaque os coeficientes das variáveis que foram significativas em todos os modelos.

16

(...) continuação Tabela 4

N 21364 21364 21364 21364 21364 21364

Municípios 5517 5517

5517 5517

r2 0.0489 0.0959 0.2497 0.2834

r2_o 0.0489 0.0340

0.2497 0.0927

r2_b 0.0415 0.0075 0.2262 0.0224

r2_w 0.0634 0.0959 0.2668 0.2834

sigma_u 0.0000 11.8408

0 12.1497

sigma_e 17.6160 17.6160

15.6853 15.6853

Teste de Breusch-Pagan: χ2 = 20.40, sendo que a probabilidade de > χ2 = 0.0000

Teste de Especificação de Hausman: χ2 = 1405.05, sendo que a probabilidade > χ2 = 0.0000.

No que se refere aos outros coeficientes, o potencial econômico do município

permaneceu negativamente relacionando com a proporção de votos do incumbente,

ainda que tenha perdido sua significância estatística no modelo de EF. O papel do

prefeito da base do governo trocou de sinal em relação à tabela anterior, mas tornou-se

estatisticamente insignificante, o que não permite que tiremos conclusões claras sobre

qual é o seu papel desempenhado dentro das eleições e qual é o efeito da conexão

presidente – prefeito. Ademais, a parcela do orçamento gasta com saúde permaneceu

significante nos seis modelos aqui apresentados e o tamanho da população deixou de ter

uma relação clara, uma vez que seu sinal varia entre os seis modelos.

No tocante às variáveis municipais fiscais, apenas os gastos com investimentos

foram significativos e com o mesmo sinal ao longo dos seis modelos. Nas outras

variáveis, ou a relação esteve no limite de sua significância, sendo significante em

alguns modelos e não sendo em outros, ou seu sinal foi trocado ao longo da análise.

Por fim, as dummies incorporadas no modelo foram em sua maioria significativas e

com coeficientes altos. Chamamos atenção para o fato o prefeito parece receber uma

quantidade maior de votos quando incumbente do que o presidente. O coeficiente das

eleições municipais indica, no modelo de EF, que o prefeito incumbente possui em

média 13.66 pontos percentuais a mais que o presidente incumbente.

17

5.2. Resultados da Análise Multinível

O modelo escolhido para realizarmos a modelagem multinível inclui todas as

variáveis dos modelos apresentados nas três primeiras colunas da Tabela 4, uma vez que

as variáveis incluídas nas colunas 4, 5 e 6 entram na análise como diferentes níveis.

Além disso, visando a parcimônia analítica do estudo, permitiremos apenas que o

coeficiente de interesse (cresc) seja aleatório, além, obviamente do intercepto. Todos os

outros serão modelados como coeficientes fixos para todos os grupos dos seis níveis da

análise.

O primeiro nível analisado é composto pelos 10 grupos da faixa de crescimento

econômico, que foram formados a partir da divisão da distribuição da variável cresc em

10 decis distintos. Os resultados são apresentados na Tabela 6 e no Gráfico 1, onde

mostramos a variação do βj[i] ao longo dos 10 grupos ordenados.

Tabela 5 – Estimação por Faixas de Crescimento Econômico

Efeitos Fixos Efeitos Aleatórios

Faixas de Crescimento

Intervalo de Confiança do β

(95% de confiança)

fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max

intercepto 33.14 2.94 11.26 1 33.92 1.42 -0.10 0.19 -0.47 0.27

cresc 0.27 0.07 4.12 2 32.58

0.07

-0.30 0.44

lpibreal -0.40 0.09 -4.66 3 32.37

0.10

-0.27 0.47

aplems 0.17 0.02 8.01 4 31.69

0.19

-0.18 0.56

lpop2 -5.44 0.26 -20.99 5 32.12

0.13

-0.24 0.50

leec 6.37 0.43 14.79 6 32.96

0.02

-0.35 0.39

lheu -0.09 0.13 -0.70 7 31.97

0.15

-0.22 0.52

lses -0.61 0.33 -1.84 8 33.82

-0.09

-0.46 0.28

laseps 0.12 0.16 0.75 9 34.40

-0.16

-0.54 0.21

ldesporc -7.02 2.61 -2.69 10 35.56

-0.32

-0.69 0.06

ldespcor 8.94 2.41 3.70

linvest 0.57 0.33 1.76

ldespes -3.84 0.59 -6.47

pbp -2.82 0.28 -9.93

Conforme podemos ver na Tabela 5 e no Gráfico 1, existe uma relação no formato U

invertido entre o efeito do crescimento econômico na votação obtida pelo incumbente, e

as faixas de crescimento. No Gráfico 1 esta relação fica bastante clara. Conclui-se assim

que o impacto do crescimento econômico é maior justamente nas taxas de crescimento

próximas da mediana, sendo que as mais altas estão no quarto decil. As faixas maiores e

menores, que estão nos primeiros e últimos decis, apresentaram um feito menor do

crescimento econômico sobre a votação do incumbente, chegando a ser negativo no 1º,

8º, 9º e 10º decis. Além disso, no Gráfico abaixo fica nítido que nenhum dos

18

coeficientes aleatórios modelados e estatisticamente diferentes de zero. Todos os

intervalos de confiança cruzam o valor nulo, onde não existe efeito do crescimento

econômico sobre a votação do incumbente.

Gráfico 1 – IC do efeito (βj[i]) do crescimento por faixas de crescimento (95%)

O segundo nível é formado pelos 10 grupos da faixa do logaritmo do PIB real

municipal, que, como no nível anterior, foram formados a partir da divisão da

distribuição da variável lpibreal em 10 decis distintos. Os resultados são apresentados

no Gráfico 2, onde podemos ver que não há uma relação aparente entre os decis do

logaritmo do PIB real e a inclinação do efeito de nossas variáveis explicativa sobre a

dependente (taxa de crescimento econômico real e votação obtida pelo incumbente)4.

Gráfico 2 – IC do efeito (βj[i]) do crescimento por faixas de renda (95%)

4 Com o intuito de deixar mais claro a explanação, as tabelas referentes a analise multinível que não estão

no corpo do texto, estarão disponibilizadas no apêndice final do estudo.

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1 2 3 4 5 6 7 8 9 10

Estimativa Mínimo Máximo

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

1 2 3 4 5 6 7 8 9 10

Mínimo Máximo Estimativa

19

Todavia, diferentemente do que acontece no Gráfico 1, todos os intervalos de

confiança nesse nível são superiores que o valor do efeito nulo. Isto é, são

estatisticamente diferentes de zero.

Já o terceiro nível é um exercício para verificar qual eleição é mais afetada pelo voto

econômico. Neste nível, analisamos se a inclinação do βj[i] é diferente nas eleições

presidenciais e municipais. Na Tabela 6 apresentamos os coeficientes do modelo e no

Gráfico 3 fica claro que embora o coeficiente da inclinação seja maior nas eleições

presidenciais, este não é estatisticamente diferente do coeficiente das eleições

municipais, uma vez que os respectivos intervalos de confiança se cruzam. Ademais,

assim como no Gráfico 1, os dois intervalos de confiança nesse nível atravessam o valor

do efeito nulo. Não sendo, portanto, diferentes de zero.

Tabela 6 – Estimação por Tipo de Eleição


Tipos de Eleição


(95% de confiança)


intercepto 39.0259 5.6532 6.9030 Municipal 31.8413 6.9276 0.0204 0.0457 -0.0710 0.1117

cresc 0.0526 0.0332 1.5870 Presidencial 31.8450

0.0849

-0.0064 0.1762

lpibreal -0.3884 0.0833 -4.6600 aplems 0.1976 0.0204 9.6770 lpop2 -6.0821 0.2503 -24.2980 leec 8.1651 0.4213 19.3830 lheu 0.1693 0.1287 1.3160 lses 2.0836 0.3306 6.3040

laseps 0.4850 0.1561 3.1080 ldesporc -8.8976 2.5368 -3.5070 ldespcor 3.5090 2.3532 1.4910 linvest 1.1183 0.3177 3.5200 ldespes -1.5277 0.5785 -2.6410

pbp -2.3479 0.2771 -8.4720

Gráfico 3 – IC do efeito (βj[i]) do crescimento por tipo de eleição (95%)

-0.10

-0.05

0.00

0.05

0.10

0.15

0.20

Municipal Presidencial

20

Além disso, observando os valores aleatórios de αj[i], observamos nesta estimação que

o desempenho eleitoral do incumbente em eleições municipais e presidenciais é bastante

similar, um resultado que difere daquele obtido na segunda modelagem por painel.

O quarto nível analisando repete a estimação feita na Tabela 4 por uma nova

estratégia. Enquanto lá introduzimos as dummies de ano nos modelos de painel, agora

incluímos os anos como um nível, sendo cada grupo um dos referidos anos eleitorais de

2000 a 2008. Na Tabela 7 apresentamos os coeficientes do modelo e no Gráfico 4 os

intervalos de confiança das estimativas realizadas para cada ano.

Tabela 7 – Estimação por Anos Eleitorais


Anos Eleitorais


(95% de confiança)

fracaovotos EP t-valor Grupo αj[i] EP βj[i] EP β j[i] min β j[i] max

intercepto 103.3233 5.4628 18.9140 2000 103.9200 10.1607 0.0392 0.0430 -0.0468 0.1251

cresc 0.0183 0.0205 0.8900 2002 86.5439 10.1607 0.0066 0.0430 -0.0794 0.0925

lpibreal -0.2701 0.0765 -3.5290 2004 104.2025 10.1607 -0.0349 0.0430 -0.1209 0.0510

aplems 0.0796 0.0190 4.1840 2006 108.4461 10.1607 0.0728 0.0430 -0.0131 0.1588

lpop2 0.4623 0.2711 1.7050 2008 113.5043 10.1607 0.0076 0.0430 -0.0784 0.0935

leec 5.6045 0.4034 13.8940 lheu 0.3158 0.1185 2.6660 lses 1.2254 0.3126 3.9200

laseps 0.6982 0.1452 4.8100 ldesporc -4.3425 2.3343 -1.8600 ldespcor -5.8544 2.1641 -2.7050 linvest 1.9030 0.2925 6.5070 ldespes -2.4477 0.5397 -4.5360

pbp 0.1843 0.2676 0.6890

Gráfico 4 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)

-0.15

-0.10

-0.05

0.00

0.05

0.10

0.15

0.20

2000 2002 2004 2006 2008

Estimativa

Minimo

Máximo

21

Além do coeficiente βj[i] é interessante observarmos também os interceptos αj[i] dos

grupos nesse nível. Se compararmos estes valores com aqueles expostos na Tabela 4,

nas colunas 04 a 06, podemos confirmar a constatação que o ano de 2002 foi aquele que

o incumbente obteve menos votos e que nos anos de 2000 e 2004 os incumbentes das

eleições municipais obtiveram um desempenho bastante similar.

No que se refere às variações no coeficiente de interesse, o Gráfico 4 não apresenta

nenhum padrão analítico relevante, parecendo assumir um padrão relacionado a choques

externos do que qualquer estruturação no tempo da capacidade do incumbente

transformar crescimento econômico em voto. Além disso, todos os intervalos incluem o

zero, indicando que os efeitos não são estatisticamente diferentes de zero em nenhum

dos anos modelados.

No quinto nível analisamos o modelo com a inclusão do nível dos partidos políticos.

Nesta análise o grupo que estrutura as análises são os partidos dos candidatos

incumbentes. Como em nossa amostra temos 26 partidos que apresentaram candidaturas

de incumbentes, apresentaremos no Gráfico 5 apenas os Intervalos de Confiança dos

βj[i] obtidos, uma vez são muitos coeficientes que impedem que o leitor tenha uma visão

ampla, clara e sucinta do impacto dos partidos políticos na relação entre crescimento

econômico e proporção de votos do incumbente. O eixo horizontal está ordenado de

maneira crescente de modo a permitir uma visão clara de quais são os partidos que são

mais hábeis em transformar crescimento econômico em votos.

Gráfico 5 – IC do efeito (βj[i]) do crescimento por partido político (95%)

-0.04

-0.02

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

PP

PSD

B

PTB P

L

PSD

PT

do

B

PM

N

PH

S

PTC PSC

PSD

C

PM

DB

PSB

PR

B

PR

TB PST

DEM P

V

PSL

PR

P

PP

S

PTN PD

T

PC

do

B PR PT

22

Neste Gráfico 5 fica claro que o partido que é apresenta maior sensibilidade com a

relação entre crescimento econômico e votação do incumbente é o PT e que os piores

são o PP e o PSDB. Todavia, convém sublinhar que do ponto de vista estatístico, nem

mesmo o PT pode ser considerado diferente do PP com uma confiança de 95%. Além

de que apenas o PT possui um intervalo de confiança que não cruza o valor nulo.

No sexto e último nível analisamos o modelo com a inclusão do nível dos estados

brasileiros. O Gráfico 6 apresenta os Intervalos de Confiança dos βj[i] obtidos.

Conforme podemos ver, os estados apresentam uma sensibilidade bastante variada para

o voto econômico. Enquanto uns apresentam intervalos de confiança cujo limite

superior se aproxima de 0.8, em outros o limite inferior é -0.5.

O estado brasileiro com maior impacto do voto econômico é Pernambuco e o menos

é o Rio Grande do Sul. O eixo horizontal está ordenado de maneira crescente de acordo

com o grau de “economismo” eleitoral observado nas eleições de 2000 a 2008. Além

disso, apenas os estados do Amapá, Paraíba e Pernambuco apresentam intervalos de

confiança que não cruzam o valor nulo.

Gráfico 6 – IC do efeito (βj[i]) do crescimento por unidade da federação (95%)

Por fim, como último passo de nossa proposta de trabalho, analisamos os efeitos do

crescimento econômico sobre a votação do incumbente, incluindo em uma única

modelagem quatro níveis distintos: tipo de eleição, partido, unidade federal e ano

eleitoral. Como a complexidade do modelo é grande, apresentaremos apenas os

-0.600

-0.400

-0.200

0.000

0.200

0.400

0.600

0.800

1.000

RS

PR

BA

RN SP RO

GO SE TO MT

AM

MG PA

AC

MS ES RR PI

RJ

AL

MA SC CE

AP

PB PE

23

gráficos de cada um dos níveis em termos de variação aleatória do intercepto e do

coeficiente de interesse. Os coeficientes estão disponibilizados no apêndice do texto.

Apresentamos os cinco Gráfico dos níveis incorporados para podermos analisá-los de

uma única vez todas as informações fornecidas pelo modelo multinível

-0.5

-0.4

-0.3

-0.2

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

0.6

RS SP MS BA AL RO TO AC PR RN SE ES RR PA MG PI GO MT SC AP PB AM CE MA PE RJ

Gráfico 7.1 – IC do efeito (βj[i]) do crescimento por unidade da federação (95%)

0.08

0.09

0.10

0.11

0.12

0.13

0.14

0.15

0.16

0.17

Gráfico 7.2 – IC do efeito (βj[i]) do crescimento por partido (95%)

24

-0.20

-0.10

0.00

0.10

0.20

0.30

0.40

1 2 3 4 5 6 7 8 9 10

Gráfico 7.3 – IC do efeito (βj[i]) do crescimento por faixa de crescimento (95%)

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2000 2002 2004 2006 2008

Gráfico 7.4 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)

0.00

0.05

0.10

0.15

0.20

0.25

0.30

Presidencial Municipal

Gráfico 7.5 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)

25

O que mais impressiona na leitura do Gráfico 7.1 é que os seus coeficientes se

mostraram bastante instáveis. Por exemplo, o PP deixou de ser o incumbente que tinha

menor capacidade de capitalizar o impacto do crescimento econômico numa eleição e se

transformou no partido mais capaz de fazê-lo. Todavia, é necessário sublinhar em

ambos os gráficos que analisam os grupos de partidos, os IC se sobrepõem, de modo

que não podemos falar com confiança estatística que os grupos são diferentes. Se

compararmos os dois partidos das extremidades, vemos que seus ICs são sobrepostos.

Nos outros Gráficos, há mais estabilidade nos coeficientes. No Gráfico 7.2, sobre os

Estados da federação, embora alguns tenham mudado de posição, eles permaneceram na

mesma região do gráfico. Os estados que tinham um voto menos econômico

continuaram na extremidade esquerda enquanto os com maior voto econômico

continuaram do lado direito. Todavia, é interessante notar que no Gráfico 7.1 mais

estados possuem um IC que não atravessa o valor nulo: Amapá, Paraíba, Amazonas,

Ceará, Maranhão, Pernambuco e Rio de Janeiro. Os Gráficos 7.3; 7,4 e 7,5 (que

analisam, respectivamente, as faixas de crescimento econômico, os anos eleitorais e o

tipo de eleição) mantiveram o mesmo padrão que os anteriores. No primeiro, os efeitos

do crescimento econômico permaneceram tendo o seu ápice no quarto decil. No

segundo continua não existindo nenhuma tendência temporal pró ou anti incumbente. E

no terceiro, o coeficiente de interesse continua sendo maior na eleição e, mais

interessante, ambos os IC não cruzam no valor nulo, sendo, portanto, estatisticamente

positivos.

Tabela 8 – Coeficientes do Modelo Estimados com 5 níveis não aninhados

fracaovotos Multinível

intercepto*** 55.296

6.808

cresc** 0.127

0.052

aplems** 0.056

0.019

lpop*** -3.422

0.297

leec*** 1.564

0.416

linvest*** 2.313

0.285


26

Por último, expomos na Tabela 8 as variáveis que, quando analisadas em seus efeitos

fixos, foram significantes neste último modelo mais complexo com cinco níveis não

aninhados, com os respectivos coeficientes e erros padrões. Diante disso, podemos ter

como conclusão final que o crescimento econômico está positivamente associado com

uma maior proporção de votos do incumbente, assim como os gastos municipais com

saúde, educação & cultura e investimentos. Por outro lado, os maiores municípios, em

termos populacionais, tendem a ser menos governistas do que os com menos população.

6. Conclusões

Esse trabalho teve como objetivo verificar o impacto do crescimento econômico na

porcentagem de votos obtidos pelo incumbente em uma amostra da população dos

municípios brasileiros em dados em painel e em multinível nas eleições presidenciais e

municipais de 2000, 2002, 2004, 2006 e 2008. Para mensurar o crescimento econômico,

utilizou-se a taxa de crescimento do PIB real municipal. Além disso, também foram

analisadas outras variáveis de interesse relacionadas com as relações entre prefeitos e

presidentes, questões demográficas, fiscais e temporais.

Os principais resultados confirmam que há evidências a respeito da relação entre

crescimento econômico e a votação obtida pelo incumbente em todos os modelos

estimados por painel. Ademais, verificamos, todavia, que quando analisamos este efeito

por grupos, há uma grande tendência em observar diferenças nos coeficientes aleatórios

que não são estatisticamente diferentes dos outros.

Outra importante constatação, surpreendente, foi que a conexão entre partidária entre

prefeitos e presidentes não possuem um efeito positivo no desempenho do incumbente,

chegando até a ser significante e negativo nos seis primeiros modelos. Além disso, nos

modelos em painel obtivemos fortes evidências de que os municípios com maior

potencial econômico tendem a serem menos governistas, uma vez que a variável que

mensurava a riqueza do município estava negativamente associada com a fração de

votos obtidos pelo incumbente. Mesmo nos modelos multinível, o efeito da riqueza do

município sempre esteve associado negativamente com a votação do incumbente,

conforme pode ser visto nos resultados disponíveis no apêndice.

Em resumo, o trabalho trouxe evidências favoráveis à hipótese do voto econômico

nas eleições presidenciais e municipais brasileiras ao indicar um impacto positivo e

significativo entre crescimento econômico e a votação obtida pelo incumbente.

27

7. Referências Bibliográficas

Anderson, C. D. e Morgan, J. Economic Voting and Incumbent Mayoral Elections in Canada:

1997:2010. Artigo apresentado na Annual Metting of the Canadian Political Science

Association. 2011.

Berelson, B; Lazarsfeld, P e Macphee, W. Voting: a study of opinion formation in a presidential

campaign. Chicago. Univ. of Chicago Press. 1954.

Cameron, A. C. e Travedi, P. K. Microeconometrics: methods and applications. Cambridge

Univ. Press, Nova Iorque, 2005.

Campbell, A; Converse, P; Miller, W; e Stokes, D. The American Voter. Nova Iorque: Wiley

Press. 1960

Dalton, RJ; Flanangan, S. e Beck, P. A. Electoral Change in Advanced Industrial Democracies:

Realignment or Dealignment? Princeton, Princeton Univ. Press. 1984.

Downs, A. An Economic Theory of Democracy. Nova Iorque. Harper. 1957.

Duch, R. e Stevenson, R. The Economic Vote. Nova Iorque: Cambridge Univ. Press. 2008

Fair, RC. Econometrics and Presidential Elections. Journal of Economic Perspectives. Vol. 10.

nº3. 1996b.

Fair, RC. The Effect of Economic Events on Votes for President. Review of Economics and

Statistics. Vol. 60: 1978.

Fair, RC. The Effect of Economic Events on Votes for President: 1992 Update. Polical

Behavior. Vol 10. 1996a.

Ferejohn, JA. Incumbent Performance and Electoral Control. Public Choice. Vol 50. 1986.

Fiorina, M. Retrospective voting in American national elections. Nova Heaven. Yale Univ.

Press. 1981.

Fox, J e Shotts, KW. Delegates or Trustees? A Theory of Political Accountability. The Journal

of Politics.71 (4). 2009.

Gelman, Andrew e Hill, Jennifer. Data Analysis Using Regression and Multilevel/Hierarchical

Models. Cambridge University Press. Nova Iorque. 2007.

Greene, W. Econometric Analysis. 4ª Edição. Prentice Hall. 2000.

Hausman, J. Specification tests in econometrics. Econometrica. Vol. 46. nº 6. 1978.

Hsiao, Cheng. Analysis of Panel Data. Cambridge. Ed. Cambridge Univ. Press. 1986

Hunter, W. e Power ,T. Rewarding Lula: Executive Power, Social Policy and the Brazilian

Elections of 2006. Latin American Politics & Society. Vol. 48, nº1. 2007.

Lazarsfeld, P; Berelson B; e Gaudet, H. The People’s Choice: how the votes makes up in a

presidential campaign. Nova Iorque: Columbia Univ. Press. 1944.

Nie, N; Verba, S e Petrocik, J. The Changing American Voter. Harvard Press. 1976.

Pimentel, J. Razão e Emoção no Voto: o caso da eleição presidencial de 2006. São Paulo. Univ.

de São Paulo. Dissertação de Mestrado. 2007.

Singer, A. As raízes sociais do lulismo. Caderno de Novos Estudos – Cebrap., 2009

Virmani, A. Economic Growth, Governance and Voting Behaviour: na application to Indian

Elections. Indian Council for Research on International Economic Relations - ICRIER. 2004

Wooldridge, JM. Econometric Analysis of Cross Section and Panel Data. The MIT Press. 2002

Zucco, César. The President’s Nova Constituency: Lula and the Pragmatic Vote in Brazil’s

2006 Presidential Elections. Journal of Latin American Studies. Vol. 40. Iss.1. 2008.

28

8. Apêndice: Modelos Multinível:

Modelo 1:

lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente

+(1+cresc|deciscresc))

Tabela 1 – Estimação por Faixas de Crescimento Econômico


Faixas de Crescimento


(95% de confiança)


intercepto 33.14 2.94 11.26 1 33.92 1.42 -0.10 0.19 -0.47 0.27

cresc 0.27 0.07 4.12 2 32.58

0.07

-0.30 0.44

lpibreal -0.40 0.09 -4.66 3 32.37

0.10

-0.27 0.47

aplems 0.17 0.02 8.01 4 31.69

0.19

-0.18 0.56

lpop2 -5.44 0.26 -20.99 5 32.12

0.13

-0.24 0.50

leec 6.37 0.43 14.79 6 32.96

0.02

-0.35 0.39

lheu -0.09 0.13 -0.70 7 31.97

0.15

-0.22 0.52

lses -0.61 0.33 -1.84 8 33.82

-0.09

-0.46 0.28

laseps 0.12 0.16 0.75 9 34.40

-0.16

-0.54 0.21

ldesporc -7.02 2.61 -2.69 10 35.56

-0.32

-0.69 0.06

ldespcor 8.94 2.41 3.70

linvest 0.57 0.33 1.76

ldespes -3.84 0.59 -6.47

pbp -2.82 0.28 -9.93

Modelo 2:


+(1+cresc|decispib))

Tabela 2 – Estimação por Faixas de Renda


Faixas de Renda


(95% de confiança)


intercepto 31.84 2.91 10.93 1 31.84 0.01 0.05 0.01 0.03 0.08

cresc 0.05 0.01 6.07 2 31.85

0.05

0.03 0.07

lpibreal -0.41 0.09 -4.69 3 31.85

0.05

0.03 0.07

aplems 0.18 0.02 8.32 4 31.84

0.05

0.03 0.08

lpop2 -5.45 0.26 -21.12 5 31.85

0.04

0.02 0.07

leec 6.32 0.43 14.61 6 31.84

0.05

0.03 0.08

lheu -0.12 0.13 -0.88 7 31.84

0.05

0.03 0.07

lses -0.66 0.33 -1.98 8 31.84

0.06

0.03 0.08

laseps 0.14 0.16 0.88 9 31.83

0.06

0.04 0.08

ldesporc -7.61 2.62 -2.90 10 31.85

0.05

0.02 0.07

ldespcor 9.31 2.43 3.84 linvest 0.61 0.33 1.85 ldespes -3.42 0.60 -5.74

pbp -2.90 0.29 -10.15

29

Modelo 3:


+(1+cresc|municipal))

Tabela 3 – Estimação por Tipo de Eleição


Tipo de Eleição


(95% de confiança)


intercepto 39.03 5.65 6.90 Municipal 31.84 6.93 0.02 0.05 -0.07 0.11

cresc 0.05 0.03 1.59 Presidencial 31.85 6.93 0.08 0.05 -0.01 0.18

lpibreal -0.39 0.08 -4.66

aplems 0.20 0.02 9.68

lpop2 -6.08 0.25 -24.30

leec 8.17 0.42 19.38

lheu 0.17 0.13 1.32

lses 2.08 0.33 6.30

laseps 0.48 0.16 3.11

ldesporc -8.90 2.54 -3.51

ldespcor 3.51 2.35 1.49

linvest 1.12 0.32 3.52

ldespes -1.53 0.58 -2.64

pbp -2.35 0.28 -8.47

Modelo 4:


+(1+cresc|ano))

Tabela 4 – Estimação por Anos Eleitorais


Anos Eleitorais


(95% de confiança)


intercepto 103.3233 5.4628 18.9140 2000 103.9200 10.1607 0.0392 0.0430 -0.0468 0.1251

cresc 0.0183 0.0205 0.8900 2002 86.5439

0.0066

-0.0794 0.0925

lpibreal -0.2701 0.0765 -3.5290 2004 104.2025

-0.0349

-0.1209 0.0510

aplems 0.0796 0.0190 4.1840 2006 108.4461

0.0728

-0.0131 0.1588

lpop2 0.4623 0.2711 1.7050 2008 113.5043

0.0076

-0.0784 0.0935

leec 5.6045 0.4034 13.8940 lheu 0.3158 0.1185 2.6660 lses 1.2254 0.3126 3.9200

laseps 0.6982 0.1452 4.8100 ldesporc -4.3425 2.3343 -1.8600 ldespcor -5.8544 2.1641 -2.7050 linvest 1.9030 0.2925 6.5070 ldespes -2.4477 0.5397 -4.5360

pbp 0.1843 0.2676 0.6890

30

Modelo 5:


+(1+cresc|partcand))

Tabela 5 – Estimação por Partido Político


Partido do Candidato


(95% de confiança)


intercepto 63.20 2.99 21.17 PP 65.19 3.93 0.02 0.02 -0.03 0.07

cresc 0.03 0.01 2.92 PSDB 51.46

0.02

-0.03 0.07

lpibreal -0.35 0.08 -4.29 PTB 63.59

0.03

-0.02 0.07

aplems 0.13 0.02 6.55 PL 62.55

0.03

-0.02 0.08

lpop2 -2.79 0.26 -10.90 PSD 62.12

0.03

-0.02 0.08

leec 4.52 0.42 10.89 PT do B 61.21

0.03

-0.02 0.08

lheu 0.17 0.13 1.38 PMN 60.73

0.03

-0.02 0.08

lses -0.51 0.32 -1.58 PHS 60.98

0.03

-0.02 0.08

laseps 0.27 0.15 1.81 PTC 63.84

0.03

-0.02 0.08

ldesporc -4.49 2.47 -1.82 PSC 61.72

0.03

-0.02 0.08

ldespcor 2.02 2.29 0.88 PSDC 61.26

0.03

-0.02 0.08

linvest 1.56 0.31 5.03 PMDB 64.32

0.03

-0.01 0.08

ldespes -2.25 0.56 -4.00 PSB 66.07

0.03

-0.01 0.08

pbp -0.78 0.28 -2.78 PRB 62.80

0.03

-0.01 0.08

PRTB 61.43

0.03

-0.01 0.08

PST 62.87

0.03

-0.01 0.08

DEM 65.12

0.03

-0.01 0.08

PV 63.76

0.04

-0.01 0.08

PSL 61.73

0.04

-0.01 0.08

PRP 62.22

0.04

-0.01 0.08

PPS 64.03

0.04

-0.01 0.09

PTN 65.95

0.04

-0.01 0.09

PDT 65.27

0.04

-0.01 0.09

PC do B 69.81

0.05

0.00 0.10

PR 67.90

0.05

0.00 0.10

PT 65.18

0.07

0.02 0.12

31

Modelo 6:


+(1+cresc|uf))

Tabela 6 – Estimação por Estado


Estado


(95% de confiança)


intercepto 1.04 3.21 0.33 RS -2.08 5.86 -0.15 0.17 -0.49 0.18

cresc 0.11 0.04 3.01 PR 0.36

-0.11

-0.44 0.23

lpibreal -0.01 0.08 -0.12 BA 6.67

-0.08

-0.42 0.26

aplems 0.11 0.02 5.23 RN 8.70

-0.06

-0.40 0.27

lpop2 -7.89 0.26 -30.31 SP -3.90

-0.06

-0.39 0.28

leec 3.03 0.44 6.94 RO -5.24

-0.05

-0.39 0.28

lheu -0.46 0.14 -3.38 GO -2.43

0.01

-0.33 0.34

lses -1.32 0.32 -4.08 SE -0.13

0.01

-0.32 0.35

laseps 0.11 0.16 0.68 TO 4.28

0.03

-0.31 0.37

ldesporc -5.68 2.54 -2.23 MT -4.58

0.04

-0.29 0.38

ldespcor 12.87 2.34 5.50 AM 7.16

0.05

-0.28 0.39

linvest 1.05 0.32 3.31 MG 1.83

0.06

-0.27 0.40

ldespes -2.14 0.58 -3.67 PA 4.97

0.07

-0.27 0.41

pbp -1.88 0.28 -6.81 AC -2.86

0.08

-0.25 0.42

MS -1.81

0.09

-0.24 0.43

ES -1.93

0.14

-0.20 0.47

RR -5.97

0.19

-0.15 0.52

PI 10.68

0.19

-0.14 0.53

RJ -7.06

0.21

-0.13 0.54

AL 5.44

0.22

-0.11 0.56

MA 4.78

0.23

-0.10 0.57

SC -6.46

0.25

-0.09 0.58

CE 4.67

0.25

-0.09 0.59

AP -6.93

0.34

0.00 0.67

PB 7.99

0.39

0.05 0.72

PE 11.02

0.44

0.11 0.78

32

Modelo 7: lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente+(1+cresc|uf)+ (1+cresc|partcand)+

(1+cresc|deciscresc)(1+cresc|ano)+ (1+cresc|municipal))


fracaovotos EP t-valor N1 αj[i] β j[i] N2 αj[i] β j[i] N3 αj[i] β j[i] N4 αj[i] β j[i] N5 αj[i] β j[i]

intercepto*** 55.296 6.808 8.122 AC 50.144 0.064 DEM 55.793 0.130 1 55.417 0.117 2000 55.539 0.153 Presidencial 50.706 0.158

cresc** 0.127 0.052 2.426 AL 60.775 0.054 PC do B 56.280 0.134 2 54.876 0.163 2002 44.917 0.088 Municipal 59.887 0.095

Lpibreal -0.018 0.076 -0.243 AM 57.909 0.242 PDT 56.959 0.138 3 54.952 0.156 2004 53.153 0.110

aplems** 0.056 0.019 2.982 AP 48.015 0.232 PHS 54.282 0.120 4 54.541 0.191 2006 64.975 0.168

lpop*** -3.422 0.297 -11.536 BA 60.812 0.054 PL 55.063 0.125 5 54.880 0.162 2008 57.897 0.115

leec*** 1.564 0.416 3.760 CE 57.808 0.244 PMDB 56.225 0.133 6 55.585 0.102

lheu -0.202 0.124 -1.634 ES 54.271 0.107 PMN 53.992 0.118 7 55.122 0.142

Erros Padrões

lses 0.382 0.307 1.245 GO 51.953 0.155 PP 57.233 0.140 8 55.143 0.140

Nível αj[i] β j[i]

laseps 0.249 0.146 1.702 MA 58.120 0.259 PPS 56.165 0.133 9 55.463 0.113

N1 5.512 0.111

ldesporc -0.141 2.282 -0.062 MG 55.442 0.118 PR 55.830 0.131 10 56.983 -0.017

N2 1.442 0.010

ldespcor -2.044 2.106 -0.971 MS 53.972 0.026 PRB 53.750 0.116

N3 0.839 0.072

linvest*** 2.313 0.285 8.106 MT 50.191 0.182 PRP 54.744 0.123

N4 7.409 0.036

ldespes -0.449 0.540 -0.831 PA 58.939 0.109 PRTB 54.609 0.122

N5 0.046 15.114

pbp 0.228 0.274 0.831 PB 62.856 0.236 PSB 54.283 0.120

PE 66.165 0.266 PSC 54.426 0.121

Número de Grupos

PI 63.459 0.124 PSD 54.447 0.121

N1 26

PR 54.396 0.074 PSDB 56.751 0.137

N2 26

RJ 50.743 0.276 PSDC 54.580 0.122

N3 10

RN 62.124 0.089 PSL 54.828 0.124

N4 5

RO 47.139 0.059 PST 55.331 0.127

N5 2

RR 46.445 0.108 PT 56.278 0.134

RS 53.249 -0.142 PT do B 54.650 0.122

SC 48.671 0.188 PTB 54.567 0.122

SE 54.519 0.094 PTC 55.616 0.129

SP 51.921 0.021 PTN 55.659 0.129


TO 57.661 0.060 PV 55.359 0.127

o voto econômico no brasil - sdpscp.fflch.usp.br

Documents